UNIVERSITÉ DU QUÉBEC
Mémoire présenté à
L'Université du Québec à Trois-Rivières
Comme exigence partielle
de la Maîtrise en Sciences de l'Environnement
Par Caroline Richard
IMPORTANCE DE LA REPRÉSENTATIVITÉ DES VALEURS DE TEMPÉRATURE, COMME PRINCIPAL FACTEUR ABLATIF DU COUVERT NIVAL, LORS DE LA
MODÉLISATION DU RUISSELLEMENT AVEC LE MODÈLE SRM.
Université du Québec à Trois-Rivières
Service de la bibliothèque
Avertissement
L’auteur de ce mémoire ou de cette thèse a autorisé l’Université du Québec
à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son
mémoire ou de sa thèse.
Cette diffusion n’entraîne pas une renonciation de la part de l’auteur à ses
droits de propriété intellectuelle, incluant le droit d’auteur, sur ce mémoire
ou cette thèse. Notamment, la reproduction ou la publication de la totalité
ou d’une partie importante de ce mémoire ou de cette thèse requiert son
autorisation.
RÉSUMÉ.
RÉSUMÉ.
Le ruissellement en climat tempéré continental résulte principalement de la fonte du couvert nival. L'une des méthodes les plus populaires pour évaluer l'écoulement de l'eau d'un bassin versant est de corréler ensemble la température ambiante de l'air et les valeurs d'écoulement enregistrées à l'exutoire du bassin. La température ambiante de l'air est la variable la plus adéquate pour estimer la fonte des neiges dans un modèle empirique global tel que le Snowmelt Runoff Model (SRM). La température, mesurée à une seule station météorologique, doit être extrapolée à l'ensemble du bassin versant à l'aide d'un taux adiabatique. Cette extrapolation entraîne à d'inévitables erreurs, car la température mesurée à un seul endroit, est généralement peu représentative de l'ensemble d'une région. La représentativité des valeurs de température est une condition fondamentale lors d'une modélisation et particulièrement dans un bassin versant de grande superficie où le couvert forestier occupe la quasi-totalité du territoire. Ce projet inclus deux objectifs: 1) appliquer le modèle de hautes montagnes (SRM) sur le bassin versant de la rivière Batiscan au Québec, situer dans un environnement forestier de basse altitude et de faible dénivellation; 2) estimer l'impact de la représentativité des valeurs de température sur la modélisation hydrologique. La qualité des résultats sera évaluée par l'emploi de deux coefficients statistiques et avec une comparaison avec d'autres modélisations réalisées dans des environnements similaires et alpins. Cette approche permettra d'analyser l'impact qu'ont les valeurs de température lors d'une modélisation hydrologique. Les résultats préliminaires démontrent que la station météorologique utilisée lors de la modélisation devrait être localisée sous le couvert principal, ou sous le couvert le plus représentatif du site. Sans quoi, l'utilisation d'une station météorologique régionale s'avère plus efficace.
ABSTRACT.
Runoff regimes in most northern basins are controlled by the melting snow cover. A corn mon method for evaluating runoff consists in correlating ambient air temperature and recorded hydrometric gauge values. The air temperature is the principal variable to estimate the importance of the melting of the snow cover when using a global empirical model such as the Snowmelt Runoff Model (SRM). The temperature, which is often only measured at one weather station, therefore must be extrapolated to the whole basin according to sorne kind of lapse rate. This extrapolation often assumes that air temperature should be representative for a wide region, which is often not the case. The estimation of temperature values is critical especially for large basins where the surface processes are largely influenced by a forest cover. This project has two objectives: 1) applying a mostly high mountain snowmelt runoff model (SRM) in the Batiscan River Basin, in the Province of Québec, an area which is principally occupied by a forest cover with a rolling hill topography; 2) the impact of the extrapolation strategy in estimating the tempe rature values and its importance in the runoff modelling. A statistical comparison between the different modelling attempts is performed in combination with applying the model to similar environments. This allow us to obtain a sensitivity analysis of the snow runoff modelling in relation to the extrapolation of the tempe rature values. First results show that the weather station, used to perform the runoff modelling, should be located in the principal, or the most representative land cover of the study area. Otherwise, the values of a synthetic regional weather station is more reliable for the modelling.
REMERCIEMENTS.
REMERCIEMENTS.
Tout au long de ces années de travail ponctuées de succès et d'échecs, je ne peux passer sous silence tous ceux qui m'ont aidé, directement ou indirectement, à mener à terme ce projet de recherche.
D'abord, j'aimerais transmette mes plus sincères remerciements à mon directeur de recherche, Monsieur Denis Gratton Ph. D., qui m'a permis d'effectuer cette recherche et qui m'a offert les outils de travail (LIAGE) pour y arriver.
l'aimerais également remercier le personnel du Laboratoire de Télédétection de l'Université du Québec à Chicoutimi, qui m'ont gracieusement offert les images satellites AVHRR-NOAA dont j'avais besoin pour accomplir mon projet.
Je ne veux surtout pas oublier mes parents et tous mes amis, pour leur aide et leur soutient au cours de ces années de labeurs. Merci Meghan, Alain, Josée, Michèle, Boum, Marianne, Pierre-André, Annabelle et tous ceux que j'oublie. Je tiens à vous dire, chers parents et amis, que sans vous, je ne serais pas là où je suis aujourd'hui.
Enfin, un merci spécial à Patrick qui fut, bien malgré lui, ma plus grande source de motivation pour finalement terminer ma maîtrise.
Bref, il Y a une élément en particulier, qui me viens à l'esprit lorsque je pense à ces années de travail et ...
« ... C'est une leçon que vous devriez observer. Essayez, essayez, essayez encore. Si tout d'abord vous ne réussissez pas,
essayez, essayez, essayez encore ... »
TABLE DES MATIÈRES.
RÉSUMÉ ... i
ABSTRACT ... ii
REMERCIEMENTS ... iii
TABLE DES MATIÈRES ... iv
LISTE DES FIGURES ... vi
LISTE DES TABLEAUX ... viii
LISTE DES ABRÉVIATIONS ... ix
SECTION l : INTRODUCTION ET MISE EN CONTEXTE ... 1
1.1- INTRODUCTION ... 1
1.2- PROBLÉMA TIQUE ET OBJECTIFS DE L'ÉTUDE ... 2
1.2.1- Problénlatique ... 2
1.2.2- Objectifs de l'étude ... 4
1.3- LA MODÉLISATION HYDROLOGIQUE ET LES MODÈLES HyDROLOGIQUES ... 4
1.3.1- Les modèles déterministes ... 5
1.3.2- Les nlodèles conceptuels ... 5
1.4- LE « SNOWMELT RUNOFF MODÈLE» (SRM) DANS LA LITTÉRA TURE. ... 6
1.5- DESCRIPTION DU «SNOWMELT RUNOFF MODEL» (SRM) ... 9
1.5.1- La structure du modèle ... 9
1.5.2- Les variables du modèle ... 12
1.5.3- Les paranlètres du modèle ... 14
1.5.4- L'intérêt de modéliser avec le SRM ... 20
1.6- PRÉSENTATION DE LA ZONE D'ÉTUDE ... 21
1.6.1-Sélection de la zone d'étude ... 21
1.6.2- Les caractéristiques physiques du bassin ... 22
1.6.3- L'utilisation générale du sol. ... 24
1.7-SOURCE DES DONNÉES UTILISÉES ... 26
1.7.1- Les données hydriques ... 26
1.7.2- Les données météorologiques ... 26
1.7.3- Les images satellites ... 27
1.7.4- Les fichiers numériques ... 28
SECTION II : MÉTHODOLOGIE ... 29
2.1- LE BASSIN VERSANT ... 29
2.1.1- La délimitation du bassin versant et du réseau hydrographique ... 29
2.1.2-La classification du sol. ... 31
2.2- LES VARIABLES INSÉRÉES DANS LE SRM ... 31
2.2.1-L'extrapolation des données de température et de précipitation ... 32
2.2.1.1- Les stations synthétiques ................................... 32
2.2.1.2-Les stations individuelles .... 37
2.2.2- L'estimation du couvert nival ... 37
TABLE DES MATIÈRES.
2.3- LES PARAMÈTRES INTRODUITS DANS LE SRM ... 46
2.3.1- La température critique (TOcrit) : •••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••• 46 2.3.2- Le décalage de temps (L) : .•.•...••.•.•.•.•..•...•...•.•...•..•.•.•.•..•.•.••.•.•....•.•.•...•...•.. 46
2.3.3- Le taux adiabatique (À) : ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••• 47 2.3.4- Le coefficient degré-jour (a) : ••••••••••••••••••••••••••••••••.•.•.•.•••.•..•••.••.•.•..•.••...•.•.•.•.•.•••••••• 47
2.3.5- Le coefficient de ruissellement (Cs et CR) • ... 48
2.3.6- Les surfaces à contribution directe (RCA) . ... 50
2.3.7- Le coefficient de récession (k) ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••• 50 2.4- LA MODÉLISATION DES DÉBITS DE LA RIVIÈRE BA TISCAN ... 51
SECTION III: RÉSULTATS ... 52
3.1- MODÉLISATION D'UN ENVIRONNEMENT FORESTIER. ... 52
3.2-MODÉLISATION AVEC DIFFÉRENTES VALEURS DE TEMPÉRA TURE ... 55
3.2.1- Les stations météorologiques synthétiques ... 55
3.2.2- Les stations météorologiques individuelles ... 58
SECTION IV : DISCUSSION ... 63
4.1- MODÉLISATION AVEC LES STA TIONS SyNTHÉTIQUES ... 63
4.2- MODÉLISATION AVEC LES STATIONS INDIVIDUELLES ... 65
4.3- L'IMPACT DES VALEURS DE TEMPÉRATURE SUR LA MODÉLISATION ... 66
SECTION V : CONCLUSION ... 71
RÉFÉRENCES ... 74
ANNEXE A: TABLEAUX COMPARATIFS DES PARAMÈTRES INSÉRÉS DANS LE SRM POUR DIVERSES MODÉLISATIONS ... 80
ANNEXE B: CARTE: ÉCHANTILLONNAGE DE LA NEIGE À TRAVERS LE BASSIN VERSANT DE LA RIVIÈRE BA TISCAN ... 82
ANNEXE C: VALEUR DE TEMPÉRATURE ENREGISTRÉES À CHACUNE DES STATIONS MÉTÉOROLOGIQUES INDIVIDIELLES ... 83
ANNEXE D: VALEUR DE PRÉCIPITATION ENREGISTRÉES À CHACUNE DES STATIONS MÉTÉOROLOGIQUES INDIVIDIELLES ... 91
LISTE DES FIGURES.
FIGURE 1.5.1- Diagramme schématique représentant les intrants nécessaires au modèle de
ruissellement de la fonte des neiges (SRM) ... 11
FIGURE 1.6.1- Localisation du bassin versant de la rivière Batiscan au Québec ... 22
FIGURE 1.6.2- Modèle numérique d'élévation avec hydrologie imposée du bassin versant de la rivière Batiscan ... 24
FIGURE 1.6.3- Image LANDSAT-TM (19 août (995) et classification du sol, à partir de l'image satellite, pour l'ensemble du bassin de la rivière Batiscan ... 25
FIGURE 2.2.1- Méthode de correction des surfaces planes par TOPAZ ... 30
FIGURE 2.2.2- Modèles de stations météorologiques synthétiques ... 35
FIGURE 2.2.3- Stations météorologiques individuelles pour la modélisation de la rivière Batiscan ... 38
FIGURE 2.2.4- Exemple de discrimination des nuages sur la bande 1 de l'image AVHRR-NOAA enregistrée le 12 mars 1996 ... 41
FIGURE 2.2.5- Composés multi-dates de la fin décembre, de la mi-février et de la fin mars couvrant le secteur d'étude ... 42
FIGURE 2.2.6- Extraction du couvelt de neige sur les CVM-2 à 4 ... 44
FIGURE 2.2.7- Extraction du couvert de neige sur les CVM-5 à 7 ... 45
FIGURE 2.3.1- Intervalle de valeurs assignées au coefficient de ruissellement lors de la calibration des 14 modélisations et valeur médiane utilisée pour la modélisation de la rivière Batiscan. 49 FIGURE 2.3.2- Courbe de densité de la neige obtenue à partir de l'échantillonnage réalisé entre le 21 mars et le 9 mai 1999 ... 50
FIGURE 3.1.1- Coefficient de détermination (R2) des modélisations de la rivière Batiscan ... 53
FIGURE 3.1.2- Différence de volume, Dv (m3/s) des modélisations de la rivière Batiscan ........ 53
FIGURE 3.1.3- Modélisation hydrologique avec une station synthétique versus une station individuelle ... 54
FIGURE 3.2.1- Modélisation des débits de la rivière Batiscan avec la station synthétique à poids égaux estimée à l'aide de SLURPAZ ... 55
FIGURE 3.2.2- Modélisation des débits de la rivière Batiscan avec la station synthétique à poids variable estimée à l'aide de SLURPAZ ... 56
LISTES DES FIGURES.
FIGURE 3.2.3- Modélisation des débits de la rivière Batiscan avec la station synthétique à poids
égaux estimée à l'aide des polygones de Thiessen ... 56
FIGURE 3.2.4- Modélisation des débits de la rivière Batiscan avec la station synthétique à poids variable estimée à l'aide des polygones de Theissen ... 57 FIGURE 3.2.5- Modélisation des débits de la rivière Batiscan avec la station régionale ... 57
FIGURE 3.2.6- Modélisation des débits de la rivière Batiscan avec la station de La Tuque ... 58
FIGURE 3.2.7- Modélisation des débits de la rivière Batiscan avec la station de Lac-aux-Sables ... 58
FIGURE 3.2.8- Modélisation des débits de la rivière Batiscan avec la station de Sainte-Anne ... 59
FIGURE 3.2.9- Modélisation des débits de la rivière Batiscan avec la station de Rivière-Verte-Ouest.. .. 59
FIGURE 3.2.10- Modélisation des débits de la rivière Batiscan avec la station de Trois-Rivières -aqueduc ... 60
FIGURE 3.2.11- Modélisation des débits de la rivière Batiscan avec la station de Shawinigan ... 60
FIGURE 3.2.12- Modélisation des débits de la rivière Batiscan avec la station de Saint-Narcisse ... 61 FIGURE 3.2.13- Modélisation des débits de la rivière Batiscan avec la station de Grande-Anse ... 61 FIGURE 3.2.14- Modélisation des débits de la rivière Batiscan avec la station de Hérouxville ... 62
FIGURE 4.3.1- Précipitations dans le temps et l'espace pour le mois de mars à travers le bassin de la rivière Batiscan ... 69
FIGURE 4.3.2- Précipitations dans le temps et l'espace pour le mois d'avril à travers le bassin de la rivière Batiscan ... 70
FIGURE 4.3.3- Précipitations dans le temps et l'espace pour le mois de mai à travers le bassin de la rivière Batiscan ... 70
LISTE
DES
TABLEAUX.
TABLEAU 1.5.1- Capteurs satellitaires proposés par Martinec et al. (1998) pour l'estimation du couvert nival selon la résolution spatiale et temporelle désirée pour une superficie donnée ... 13 TABLEAU 1.5.2- Exemple de variation du coefficient degré-jour (mml°C/j)dans le temps pour plusieurs
modél isations hydrologiques selon WMO, 1986 ... 17
TABLEAU 1.5.3- Variation du coefficient degré-jour (mml°C/j) dans le temps et l'espace selon WMO, 1964* et dans l'espace selon Kuusisto, 1980 ... 18 TABLEAU 1.6.1- Résumé des débits journaliers moyen en m3/s pour 1995 et 1996 ... 23
TABLEAU 1.7.1- Stations météorologiques et stations de jaugeage utilisées pour la modélisation hydrologique avec le modèle SRM sur le bassin de la rivière Batiscan ... 27
TABLEAU 2.1.1- Type d'affectation du sol dans le bassin versant de la rivière Batiscan ... 31 TABLEAU 2.2.1 - Stations météorologiques synthétiques et individuelles utilisées pour la modélisation
du bassin de la rivière Batiscan ... 32 TABLEAU 2.2.2- Stations météorologiques individuelles retenues pour l'estimation des stations
synthétiques à poids égaux et poids de celles-ci dans l'estimation de la station synthétique à poids variable ... 36 TABLEAU 2.2.3- Portion du spectre électromagnétique couvert par les bandes AVHRR du satellite
NOAA-14 ... 39 TABLEA U 2.2.4- Valeur de Si, li, Wet F pour les bandes spectrales A VHRR 1 et 2 de NOAA 14 ... 41 TABLEAU 2.2.5- CVM ou images individuelles pour la période hivernale de 1996 et % de neige au sol
pour chacune d'elle ... 43
TABLEAU 2.3.1- Décalage de temps estimer pour certains bassins versants avec le modèle SRM ... 47 TABLEAU 2.3.2- Coefficient de ruissellement (Cs et CR) lors de la modélisation de la rivière Batiscan ... 50 TABLEAU 2.3.3- Résumé des valeurs attribuées aux paramètres pour la modélisation de la rivière
LISTE DES ABRÉVIATIONS. AVHRR; CVM; IVN; LANDSAT; MNE; MOS; MSS; NOAA; SHE; SIG: SRM; SPOT; TM; TIN; TOPAZ; WMO;
Advanced Very High Resolution Radimeter. Composées de Valeurs Maximales.
Indice de Végétation Normalisé. Land Satellite.
Modèle Numérique d'Élévation. Marine Observation Satellite. Mutli Spectral Scanner.
National Oceanographie and Atmospheric Administration. Système Hydrologique Européen.
Système d'Information Géographique. Snowmelt Runoff Model.
Satellite Pour l'Observation de la Terre. Thematic Mapper.
Triangulated Irregular Network. TOpagraphic PArameteriZation. World Meteorological Organization.
SECTION 1 : INTRODUCTION ET MISE EN CONTEXTE.
1.1- INTRODUCTION.
Dans la majorité des régions de l'hémisphère nord, la fonte de la neige est la principale source
d'apport en eau douce nécessaire au développement économique et social (Horne et Kavvas, 1997).
Le but premier de la modélisation hydrologique est reliée à une meilleure compréhension et une
meilleure gestion du cycle de l'eau à l'intérieur d'un bassin versant, que ce soit pour la production hydroélectrique, pour la gestion des réservoirs, l'agriculture ou pour toutes autres activités connexes (Fergusen, 1999; Kustas et al., 1994). En outre, la modélisation hydrologique peut être employée
dans un but préventif face aux catastrophes naturelles provoquées notamment par les crues
printanières qui, à chaque année, causent d'importantes inondations (Blbschl et Kirnbauer, 1991).
Soulignons également que le ruissellement occasionné par la fonte des neiges est l'apport en eau le
plus important dans presque tous les bassins versants du Canada (Slough et al., 1992).
Souvent, au moment de la modélisation hydrologique, les données sont difficiles d'accès et l'emploi
de modèles conceptuels plutôt que déterministes s'avère indispensable. Les premiers modèles sont
habituellement efficaces dans des environnements caractérisés par une topographie peu contrastée et
où la température, mesurée à un seul endroit, est représentative de l'ensemble de la zone d'étude
(Bergtrbm, 1991). Cependant, les modèles hydrologiques qui sont actuellement disponibles, ont
largement été développés et testés dans des environnements alpins, voire glaciaires. Très peu de ces
modèles ont été appliqués à des environnements forestiers du nord-est américain (Rango, 1988).
Dans la plupart des régions du monde, les variations dans l'écoulement et le ruissellement de l'eau sont principalement associées aux précipitations, mais pour les altitudes élevées et les latitudes
nordiques, sur la majorité de l'année, les précipitations sont sous forme solide et non liquide.
L'écoulement et le ruissellement de l'eau dépendent ici davantage de la température ambiante de
l'air que du moment de la précipitation (Fergusen, 1999). De plus, la modélisation du ruissellement
dans les environnements de hautes montagnes est grandement simplifiée par l'absence de forêt ou
de tout autre couvert végétal dense (Mellander, 1991). Mais qu'en est-il alors dans des
INTRODUCTION ET MISE EN CONTEXTE.
«Snowmelt Runoff Model» (SRM) de Martinec et Rango (1998), est l'un de ces modèles conceptuels qui ont majoritairement été appliqués dans des environnements montagneux. Dans le SRM, la température ambiante de l'air agit comme principal facteur d'ablation du couvert nival, la représentativité des valeurs de température prend donc toute son importance dans ce modèle conceptuel et surtout lorsqu'il est appliqué globalement sur un bassin versant.
Afin d'évaluer l'influence de la température sur la modélisation hydrologique, le modèle conceptuel SRM sera appliqué pour la première fois à un bassin versant forestier, de basse altitude et de faible dénivellation, le bassin versant de la rivière Batiscan au Québec. Différentes approches dans le traitement des données météorologiques permettront d'examiner l'impact de la variable température sur la modélisation hydrologique. Ce projet permettra également de constater si l'utilisation d'une station synthétique, qui considère ou non l'environnement topographique du site et sa végétation, est préférable à l'utilisation d'une station individuelle lors de la modélisation du ruissellement.
1.2- PROBLÉMATIQUE ET OBJECTIFS DE L'ÉTUDE.
1.2.1- Problématique.
L'une des méthodes les plus populaires pour évaluer l'écoulement de l'eau provenant de la fonte des neiges à l'intérieur d'un bassin versant est de corréler ensemble la température ambiante de l'air et les débits enregistrées à l'exutoire du bassin versant (Zuzel et Lloyd, 1975). La température ambiante de l'air est, par conséquent, la variable la plus adéquate pour estimer la fonte des neiges dans un modèle conceptuel tel que le SRM (Brubaker et al., 1996; Bloschl, 1991). Une attention particulière doit être portée à la représentativité de cette variable lors de la modélisation avec ce type de modèle. Souvent, la température est mesurée à une seule station météorologique et doit être extrapolée à l'ensemble du bassin à l'aide d'un taux adiabatique. Cette extrapolation entraîne à d'inévitables erreurs, car la température mesurée à un seul endroit, est généralement peu représentative de l'ensemble d'une région. Particulièrement dans les bassins de très grande dimension ainsi que dans des environnements montagneux, où la variabilité thermique est spatialement forte (Schulz et Huwe, 1997 ; Bloschl, 1991). La représentativité des valeurs de température est une condition fondamentale lors d'une modélisation hydrologique et spécialement
dans un bassin de grande superficie (Rango et Martinec, 1981). C'est pourquoi, une méthodologie rigoureuse doit être appliquée, afin d'obtenir des valeurs de température représentatives des
conditions climatiques réelles de la région. D'ailleurs, Charbonneau et al. (1981) ont démontré
qu'une interprétation erronée des valeurs de températures peut engendrer de mauvaises interprétations de l'environnement climatologique du bassin versant et occasionner de mauvaises modélisations hydrologiques. Enfin, une étude réalisée par Leavesley (1989), a également démontré que la fiabilité des résultats de la modélisation dépend principalement de la précision des données
atmosphériques uti 1 isées.
Il existe de nombreuses méthodes dans la littérature pour obtenir des valeurs de température et de
précipitation représentative d'une région donnée. L'utilisation des polygones de Theissen est
proposée par Mitchelle et DeWalle (1998). Martinec et al. (1986 - 1998) propose l'utilisation d'une
seule station (la plus représentative), ou d'une station synthétique créée également à partir des
polygones de Theissen. Bloschl (1991), pour sa part, estime la température ambiante de l'air à partir de deux stations voisines au site et d'une station de référence qui doit obligatoirement être localisée à l'intérieur du site. Running et Thornton (1996) proposent l'utilisation de «polygone proximal». La
superficie de la zone d'étude est subdivisée ici en régions (polygone proximal), aux quelles chaque
parcelle de terrain est associée à la station météorologique la plus proche. Finalement, Kite (1998)
estime les valeurs de températures et de précipitations à partir de la surface d'influence de chacune
des stations météorologiques par rapport à l'ensemble du site d'étude. Ces surfaces d'influences
sont extrapolées à partir d'un modèle numérique d'altitude, (MNA) en tenant compte de la
topographie, de la végétation du milieu ainsi que de la distance de la station météorologique par
rapport au site d'étude.
La représentativité des valeurs de température est importante, en particulier avec l'application d'un
modèle hydrologique conceptuel global comme le SRM. Citons en exemple la modélisation du
glacier Athabaska des Rocheuses canadiennes avec le modèle SRM (Bordeleau, 1998 ; Richard,
1997). Pour cette modélisation, les données de température provenaient d'une station
météorologique (Jasper) localisée à plus de 100 km au nord du bassin, plutôt que d'utiliser une
station située à proximité du site (Peyto). L'utilisation de la première station, représentant des
INTRODUCTION ET MISE EN CONTEXTE.
l'utilisation de la seconde station localisée en milieu plus accidenté (Bordeleau, 1998 ; Richard, 1997). Ainsi, la station de Jasper est plus représentative des conditions climatiques présentes sur le glacier Athabaska que la station Peyto, qui pourtant se trouve dans un environnement similaire.
Étant donné que dans le modèle SRM la température ambiante de l'air est le principal facteur
d'ablation du couvert nival, on présume ici, que lors d'une modélisation de la fonte des neiges, le
modèle nécessite obligatoirement des valeurs de température représentatives de la région, sans quoi,
la modélisation est un échec. De plus, lorsqu'il est appliqué globalement, le SRM ne permet
l'utilisation que d'une seule station météorologique. Il est donc capital de trouver la meilleure
représentativité pour les valeurs de température et de précipitation et en particulier dans un bassin de grande superficie.
1.2.2- Objectifs de l'étude.
Spécifiquement, ce projet comprend deux objectifs. D'abord, appliquer le modèle de haute
montagne (SRM) sur un bassin versant forestier, de faible altitude et de faible dénivellation du
Québec méridional. Par la suite, évaluer l'impact qu'ont les valeurs de température sur la
modélisation hydrologique. Ainsi, l'emploi de deux coefficients (R2 et Dv) et une comparaison avec
d'autres modélisations réalisées dans un environnement similaire et alpin, permettra d'évaluer la
qualité des résultats. Cette approche permettra d'analyser l'impact qu'ont les valeurs de température
lors d'une modélisation réalisée avec un modèle hydrologique empirique global.
1.3- LA MODÉLISATION HYDROLOGIQUE ET LES MODÈLES HYDROLOGIQUES.
Au fil du temps, les modèles hydrologiques sont devenus de plus en plus complexes et
pluridisciplinaires (Bergstrom, 1991). Ils ont été initialement développés dans le but de simuler,
prédire et comprendre le comportement d'un bassin versant (Bloschl et al., 1991). Mais par la suite,
ils ont également été développés dans le but d'augmenter nos connaissances face aux conditions
climatiques extrêmes et sur leurs effets sur notre environnement (Bergstrom, 1991). Un modèle
hydrologique de fonte des neiges doit être en mesure d'accomplir deux tâches fondamentales. Dans
et ensuite, il doit modéliser les mouvements de l'eau à travers le bassin et le réseau hydrographique jusqu'à l'exutoire du bassin (Brubaker et Rango, 1997).
Singh (1995), Bergstrom (1991) et Ward et Robinson (1990) classent les modèles comme étant
déterministes ou conceptuels. Les premiers simulent chacun des processus physiques qui opère dans
le bassin avec des équations séparées afin de transformer les précipitations et la fonte des neiges en
ruissellement, alors que les seconds utilisent des équations linéaires fortement empiriques, qui emploient toutes les variables météorologiques et l'écoulement mesuré à l'exutoire du bassin, pour simuler le ruissellement de l'eau. Les modèles déterministes sont invariablement distribués où le
bassin est subdivisé en sous-bassins ou zones à partir d'un modèle numérique d'élévation (MNE).
Les modèles conceptuels peuvent être globaux ou semi-ditribués selon qu'ils considèrent ou non la distribution spatiale des variables hydrologiques à l'intérieur du bassin (Fergusen, 1999).
1.3.1-
Les
modèles déterministes.L'avantage majeur de l'utilisation des modèles déterministes est la possibilité de comprendre le rôle
de chacun des paramètres, des divers processus de fonte et du mouvement de l'eau à travers l'ensemble du bassin (Bordeleau, 1998). Ces paramètres sont rigoureusement contrôlés et non
ajustés à partir de logiques statistiques (Nikolaidis et al., 1994). Par contre, les modèles distribués ne peuvent être appliqués que là où les paramètres peuvent être bien contrôlés (Bergstrome, 1991). Ces modèles ne nécessitent pas, en théorie, de calibration puisque les paramètres représentent la réalité mesurée sur le terrain (Fergusen, 1999). D'un autre côté, dans ce type de modèle, il y aura
toujours des valeurs de paramètre qui ne seront pas directement mesurées sur le terrain et qui
resteront toujours des relations empiriques. À ce jour, la technologie ne permet pas l'utilisation de modèle strictement distribué pour la modélisation de longue période et sur des bassins de grande superficie (Scultz et Huwe, 1997).
1.3.2-
Les
modèles conceptuels.Les modèles conceptuels sont, sans aucun doute, les modèles les plus utilisés à travers le monde. Ces modèles peuvent être appliqués sans difficulté, nécessitent peu de données et peuvent être employés sur des bassins pratiquement inaccessibles (Singh, 1995). Ils sont beaucoup plus simples que les modèles déterministes, qui comportent de nombreux paramètres mais modélisent avec
INTRODUCTION ET MISE EN CONTEXTE.
précision l'écoulement de l'eau lorsque les paramètres sont bien calibrés dans le modèle
(Bergstrom, 1991). Deux études, réalisées par les WMO (1986 et 1992) sur la comparaison de
différents modèles hydrologiques, ont démontré l'efficacité des modèles conceptuels lorsque peu de données sont disponibles. Dans les deux cas, aucun modèle déterministe n'a pu être évalué, puisque
seules les données de température, de précipitation et du couvert nival étaient disponibles. Données
insuffisantes pour l'utilisation de modèles déterministes.
Malgré leur simplicité, la calibration des paramètres en fonction de l'écoulement mesuré à
l'exutoire du bassin est inévitable. Les paramètres sont souvent issus de moyennes statistiques et
doivent être ajustés à partir de données historiques (Mitchell et DeWall, 1998). La modélisation d'événements climatologiques extrêmes est pratiquement impossible avec ce genre de modèle parce que les paramètres représentent davantage un type de climat plutôt que la réalité mesurée sur le terrain (Bergstrom, 1991). Ces modèles, quelques fois appeler «boite noire», considèrent souvent le bassin versant comme une unité spatiale unique lorsqu'ils sont appliqués globalement (Fergusen,
1999).
Peu importe le modèle hydrologique utilisé, la complexité de sa structure ne doit pas être un indicateur de la qualité des résultats de modélisation qu'il fournira. De plus, l'importance de garder
une attitude critique et constructive face à toutes les phases du processus de simulation est
primordiale lors d'une modélisation hydrologique (Bergstrom, 1991).
1.4- LE « SNOWMEL T RUNOFF MODÈLE» (SRM) DANS LA LITTÉRATURE.
Le modèle de ruissellement de la fonte des neiges (SRM), aussi nommé «Marti nec Model» ou
«Martinec-Rango Model», estime l'écoulement de l'eau pour tous les bassins montagneux où l'eau
provenant de la fonte des neiges est la principale source de ruissellement (Martinec et al., 1998). Le
SRM a été développé dans les années 1960 sur les bassins de la Dischma (43.3 km2) et Modry Dut
(2.65 km2) en Suisse par J. Martinec (Martinec, 1977; Martinec, 1975). Par la suite, plusieurs
versions ont été développées jusqu'à sa dernière version (4.06), qui est présentement disponible sur
Jusqu'à la fin des années 1970, le modèle SRM n'était appliqué que dans de petits bassins faciles
d'accès. Dans les années 1980, le développement de la télédétection a permis l'utilisation du SRM
sur des bassins versants de plus grande superficie, allant jusqu'à 120 000 km2 (Marti nec et al., 1998). D'ailleurs, le SRM fut l'un des premiers modèles hydrologiques à utiliser la télédétection
comme outil pour extrapoler la superficie de neige au sol (Rango, 1994 ; Rango et Martinec, 1979). Ainsi, le modèle SRM a pu modéliser des régions où auparavant toute modélisation hydrologique
était impossible. Cette technique d'acquisition d'informations, est par conséquent, l'outil par excellence pour discriminer la superficie de neige au sol pour la modélisation hydrologique d'immenses bassins inaccessibles (Rango, 1990; Rango et aL, 1989 et Martinec et Rango, 1991 et
1987). Dans l'ensemble, la télédétection permet bien plus que l'analyse du couvert de neige. Il est
maintenant possible d'extraire, à partir d'images satellites, le réseau hydrographique d'un bassin,
son utilisation générale du sol ainsi que certaines caractéristiques physiographiques (Engman et
Gurnay,1991).
À ce jour, le SRM a été appliqué à plus de 80 bassins à travers 2S pays. Environ 2S % des modélisations ont été réalisées par ceux qui ont développé le modèle (Martinec et al. 1998), 7S %
par des particuliers. Notamment, sur le bassin de la rivière Tillouguit au Maroc (Abidi, 1989), sur le bassin de la rivière Kabul en Himalaya (Dey et al., 1989), sur l'Independance River dans les
Adirondacks aux États-Unis (Mellander, 1991). Plus récemment, sur le glacier Athabaska des
Rocheuses canadiennes (Richard, 1997) et sur le bassin de la rivière Towanda en Pennsylvanie
(Mitchell et DeWall, 1998). De plus, le modèle SRM a été largement développé, testé et appliqué
dans des environnements de hautes montagnes, voire glaciaires, à l'exception de la modélisation de
l'Independance River localisée dans les Adirondacks américaines (Mellander, 1991). Que ce soit
dans des environnements de hautes montagnes, glaciaires ou de grande superficie (de plus de S 000 km2), chacune des modélisations avec le SRM a donné d'excellents résultats, avec un coefficient
Nash-Sutcliffe (R2) supérieur à 0.70.
Des tests réalisés par l'Organisation Météorologique Mondiale ont démontré que le SRM est un
excellent modèle pour modéliser le ruissellement de la fonte des neiges (WMO, 1986) et pour la
simulation en temps réel (WMO, 1992). Ces études avaient pour but de recueillir de l'information
INTRODUCTION ET MISE EN CONTEXTE.
entre eux. Il en ressort que le SRM est l'un des modèles les plus simples et les plus efficaces pour
simuler l'écoulement de l'eau suite à la fonte des neiges (Rango et Martinec, 1988). Une
comparaison du SRM, effectuée avec un modèle déterministe (SHE), a également démontré que
malgré sa simplicité et l'absence de processus physique dans le calcul de la fonte des neiges, le
SRM offre de bons résultats et est plus facilement applicable lorsque les données climatiques sont
difficiles d'accès et fragmentaires (Fergusen, 1999). Enfin, une interprétation et une analyse portant
sur les critères de performance du SRM ont été discutées par Martinec et Rango (1989 et 1981).
Bien que possédant peu de critères (R2 et Dv) pour évaluer la qualité d'une modélisation, ceux-ci
sont efficaces, représentent bien la qualité de la modélisation et facilitent la calibration du modèle
lorsqu'elle est exigée (Marti nec et Rango, 1989; Rango et Martinec, 1981).
Plus récemment, une nouvelle option dans le modèle SRM permet de simuler les effets attribués aux
changements climatiques sur la fonte des neiges (Rango, 1995; Rango et Van Katwijk, 1990aet
1990b). Le SRM peut maintenant être utilisé dans un but préventif afin de répondre à un besoin de
compréhension associé aux comportements d'un bassin selon les changements des conditions
climatiques du milieu (Brubaker et Rango, 1996 et Rango et Martinec, 1994).
Une nouvelle versIon du modèle SRM est actuellement à l'étude et présente des résultats prometteurs. Cette version utiliserait le bilan énergétique dans son calcul de la fonte des neiges en
complément à sa méthode du degré-jour (Brubaker et Rango, 1997 ; Kustas et al., 1996).
L'utilisation du bilan énergétique serait possible dans les bassins où les données sont disponibles et où la méthode du degré-jour serait moins efficace (Marti nec et Rango, 1995). Une étude comparant les deux versions du SRM démontre que les deux méthodes s'équivalent, mais que l'utilisation du bilan énergétique offre de meilleurs résultats lorsque l'on modélise sur de courtes périodes
(quelques jours, voir quelques semaines). Cette technique à également l'avantage de mieux
représenter les propriétés physiques de la neige et diminue les erreurs dans le calcul de la fonte des neiges (Brubaker et al., 1996).
Mentionnons en terminant, que quatre laboratoires consacrés exclusivement au modèle SRM ont été tenus par le département de géographie de l'Université de Berne en Suisse. Ces quatre laboratoires ont permis la présentation, l'analyse et des discussions sur les différentes versions du SRM. Plus
d'une centaine de personnes provenant de 20 pays différents ont pu échanger sur le SRM et sur ses capacités à modéliser la fonte des neiges (Marti nec et al., 1998).
1.5- DESCRIPTION DU « SNOWMELT RUNOFF MO DEL » (SRM).
Les SRM est un modèle hydrologique semi-distribué qui emploie la température ambiante de l'air
combinée au coefficient degré-jour comme facteur ablatif du couvert de neige et utilise une
équation linéaire pour faire fondre la neige et circuler l'eau à travers le bassin (Mellander, 1991).
Jamais utilisé au Québec, le modèle SRM a été majoritairement appliqué dans un environnement de
hautes montagnes où il obtient d'excellents résultats (Fergusson, 1999).
1.5.1- La structure du modèle.
Le SRM est un modèle hydrologique conceptuel puisque son application nécessite un ajustement de
ses paramètres et une calibration du modèle avec les valeurs d'écoulement mesurées in situ à
l'exutoire du bassin (Bergstrom, 1991). L'écoulement journalier provenant de la fonte de la neige et
de la pluie est calculé par le modèle SRM à partir de l'équation linéaire suivante:
[ 1]
Où: Q: moyenne journalière de l'écoulement en m3/s·)
C : coefficient de ruissellement exprimé par les pertes dans le rapport ruissellement / précipitation, avec Cs qui correspond au ruissellement de la fonte des neiges et CR au ruissellement relié aux précipitations
a: facteur degré-jour qui indique l'épaisseur de neige fondue en équivalence en eau
résultant de l'augmentation de 1 degré-jour
T:
nombre de degré-jour!1T: l'ajustement de la température en oC lorsque la température est extrapolée à partir de
l'altitude de la station météorologique jusqu'à une hauteur désirée
S: proportion du couvert de neige par rapport à la superficie totale du bassin versant
P: précipitation contribuant au ruissellement. La température critique (Terit ) définie préalablement permettra de déterminer si la précipitation contribue immédiatement au
ruissellement en tombant sous forme liquide ou sera emmagasinée dans le couvert de
neige avec une précipitation sous forme solide
INTRODUCTION ET MISE EN CONTEXTE.
k: coefficient de récession indiquant la quantité d'eau de fonte qui sera immédiatement
enregistrée dans l'écoulement
n:
séquence de jours pendant la période d'écoulement informatisée. L'équation est écritepour un temps de réponse qui correspond à la région d'étude 10000
86400 : conversion de cm / km2
/
fi
en m3s· 1T, Set P sont des variables qui doivent être mesurées et déterminées à chaque jour. CR, Cs, !1T, Terit ,
k
etL
sont des paramètres qui sont caractéristiques pour un bassin donné ou plus généralement pourun climat donné.
Les principaux paramètres d'écoulement de l'eau dans le SRM sont premièrement, les coefficients
de ruissellement C (Cs et CR). Ces deux coefficients correspondent aux pertes d'eau du bassin
(évaporation - évapotranspiration - infiltration) estimées à long terme. Ensuite, le coefficient de récession (k) indique la quantité d'eau de fonte qui sera immédiatement enregistrée dans
l'écoulement. Finalement, les régions à contributions directes (RCA) correspondent à la rétention des précipitations liquides dans le couvert de neige selon que ci celui-ci est saturé ou non en eau.
Le SRM peut être utilisé soit en mode simulation ou en mode de mise à jour. Le mode simulation
permet d'évaluer le comportement hydrologique d'un bassin dans différentes conditions
climatiques. Puis, le mode de mise à jour effectue des ajustements à chaque nième jour en employant
les nouvelles données de débit mesurées à l'exutoire du bassin. Le modèle SRM permet également au modélisateur de visualiser, pour chaque mois, les tables de données et le débit actuel modélisés
par le logiciel.
Le modèle SRM emploie deux équations pour évaluer la réussite d'une modélisation. En premier lieu, on retrouve un coefficient de détermination (R2) qui est estimé à partir de l'équation suivante:
f
(Qi -
Q,;)
2
R 2
=
1 _ -,i_-:....I _ _ _ _ _f
(Qi
-
QJ
2
[2] i=1
Où,
R2
représente une mesure de l'efficacité du modèle SRM, Qi, l'écoulement quotidien mesuré,Q'i, l'écoulement quotidien simulé et Qi, la moyenne de l'écoulement quotidien pour la simulation
en cours. Ce coefficient correspond aussi au coefficient de Nash-Sutcliffe où Q correspond à une
moyenne à long terme de l'écoulement mesuré. Le plus mauvais coefficient R2 obtenu avec le modèle SRM a été lors de la modélisation du bassin de l'Angren en Ouzbékistan (R2 de 0.3) et le meilleur, avec la modélisation du bassin Modry Dul en République Tchèque (R2 de 0.96). Dans plus de 90 % des modélisations avec le modèle SRM, le coefficient R2 était supérieur à 0.7 (Marti nec et
al., 1998). Paramètres Température critique Tcri, Temps de décalage L Taux adiabatique À Facteur degré-jour CI Coefficient de ruissellement c
Surfaces à contribution directes
ReA
Coefficient de récession k Q
Snowmelt
Runoff
Model
Variables Température T Précipitation p COll veit de neige S Superficie du bassinA
~
12 r---~---10 m-'/s 6 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 Temps. Modélisation du ruissellementFIGURE 1.5.1- Diagramme schématique représentant les intrants nécessaires au modèle de ruissellement de la fonte des neiges (SRM).
Deuxièmement, la différence de volume entre l'écoulement modélisé et l'écoulement réel mesuré in
situ pour la modélisation est estimé avec:
INTRODUCTION ET MISE EN CONTEXTE.
Où, Dv représente au pourcentage de différence entre la simulation et l'écoulement réel, VR ,
l'écoulement mesuré et V'R, l'écoulement simulé (Marti nec et Rango, 1989). Ce coefficient permet de voir s'il y a sous-estimation ou surévaluation de l'écoulement simulé lors de la modélisation.
1.5.2-
Les
variables du modèle.Les variables représentent les conditions réelles du bassin. Elles ne peuvent pas provenir de bassins
similaires et ne nécessitent aucune calibration (Martinec et al., 1998). Les variables requises pour la modélisation du ruissellement de la fonte des neiges sont: les données de température (1), de
précipitation (P), et la superficie du couvert de neige (5).
Les données de température (T) et de précipitation (P).
La représentativité des valeurs de température et de précipitation est fondamentale dans un modèle conceptuel comme le SRM (Brubaker et al., 1996). Par conséquent, la localisation et la densité des stations météorologiques lors de la modélisation sont particulièrement importantes (Rango et
Martinec, 1981). De plus, ce sont des variables qui sont influencées par la topographie et la
végétation du site. Il est également fortement conseillé d'utiliser les valeurs d'une station
météorologique située à proximité de l'élévation moyenne du site d'étude (Marti nec et al., 1998 ;
Martinec et Rango, 1986).
Par la suite, lorsque les stations météorologiques ont été définies pour un site en particulier, les données de température et de précipitation doivent être extrapolées à l'ensemble du bassin. Cette
extrapolation doit être juste, sans quoi elle peut entraîner une mauvaise modélisation de la fonte des neiges (Bloschl, 1991). Pour l'extrapolation des valeurs de température, Martinec et al. (1998)
suggèrent l'utilisation d'un taux adiabatique théorique de 0.65 oC par tranche de 100 m d'altitude.
Pour les valeurs de précipitation lorsque l'on est en présence d'un bassin avec une forte
dénivellation, les données doivent également être extrapolées à l'ensemble du site avec un gradient allant de 3 à 4% d'augmentation des précipitations par tranche de 100 m d'altitude (Martinec et al.,
Le couvert de neige (S).
Grâce au développement technologique des deux dernières décennies, le couvert de neIge peut
maintenant être évalué à l'aide de la télédétection. L'avantage de cette technique, c'est qu'elle
permet l'estimation du couvert de neige pour les bassins de très grande superficie ou pour les
territoires pratiquement inaccessibles (Singh, 1995). Ce sont la résolution spatiale et la résolution
temporelle qui déterminent le type de capteurs satellitaires à utiliser pour l'estimation du couvert
nival (Baumgartner et al., 1998 ; Baumgartner et al., 1995) (tableau 1.5.1). Les images satellites
NOAA sont particulièrement efficaces pour l'estimation du couvert de neige pour les sites de
superficie supérieure à 500 km2 étant donné la largeur du balayage au sol du satellite (2400 km) et
la résolution spatiale (1.1 km2) des images (Siedel et al., 1989).
TABLEAU 1.5.1- Capteurs satellitaires proposés par Martinec et al. (1998) pour
l'estimation du couvert nival selon la résolution spatiale et temporelle
désirée pour une superficie donnée.
Capteurs satellitaires Résolution spatiale Résolution temporelle Superficie de la
zone d'étude
Aéroporté 3m flexible 1 km2
LANDSATMSS 80 m 16-l8jours 10 - 20 km2
LANDSATTM 30 m 16 - 18 jours 2.5 - 5 km2
NOAA-AVHRR 1.1 km 12 heures 100 - 500 km2
Météosat (visible) 2.5 km 30 minutes 500 - 1000 km2
SPOT 10 - 20 m 26 jours 2 - 3 km2
MOS SOm 17 jours 5 - 10 km2
En télédétection, le couvert forestier représente un obstacle majeur pour la délimitation du couvert
de neige. Les couverts végétaux, principalement constitués de conifères, ne permettent pas une
visualisation complète de la surface terrestre puisqu'ils font office d'écran partiel car il y a présence
d'aiguilles toute l'année. Le rôle du couvert forestier se limite principalement à l'interception et à la
distribution de la neige au sol. Généralement, l'accumulation du couvert de neige est inversement
proportionnelle au couvert forestier (Plamondon et al., 1984). De cette façon, le milieu forestier a
INTRODUCTION ET MISE EN CONTEXTE.
1.5.3- Les paramètres du modèle.
Le modèle SRM renferme un certain nombre de paramètres qui sont estimés soit à partir de données météorologiques, soit à partir de données hydrologiques. Contrairement aux variables qui représentent la réalité observée sur le terrain, les paramètres représentent davantage le climat d'une région et peuvent provenir de bassins similaires (Marti nec et Rango, 1986). La calibration des paramètres à l'intérieur du SRM est effectuée en fonction des résultats de modélisation. En effet, c'est en modifiant tour à tour les paramètres afin que l'écoulement simulé corresponde le plus fidèlement à l'écoulement mesuré à l'exutoire du bassin, qu'il est possible de calibrer chacun des
paramètres du modèle (Bordeleau, 1998). Ces calibrations sont inévitables puisque les paramètres à
l'intérieur d'un modèle conceptuel, représentent un ensemble de facteurs qui sont considérés comme un tout, mais qui en réalité représentent une série d'éléments indépendants (Bergstrom,
1991).
La température critique (Teri').
La température critique, dans le modèle SRM, permet de définir la forme (solide, liquide) de la précipitation. Le modèle a besoin de la température critique principalement pendant la période de fonte afin d'établir si la précipitation contribue immédiatement au ruissellement (pluie) ou, si la
précipitation participe à l'accumulation du couvert nival (neige). Dans ce deuxième cas, il prend automatiquement ces nouvelles chutes de neige en mémoire jusqu'à la fonte, dans les jours chauds suivants (Marti nec , et al., 1998). Beaucoup de modèles hydrologiques utilisent la température de
l'air en vue d'évaluer si la précipitation est sous forme liquide ou solide et c'est également la
principale ou la seule variable qui prédit le taux de fonte (Fergusen, 1999). Dans le modèle SRM, la forme de la précipitation est délicate à estimer, car la température utilisée est une moyenne
journalière et la précipitation peut se produire à toute heure du jour ou de la nuit (Marti nec et al.,
1998).
La température critique est habituellement supérieure au point de congélation et peut varier d'un bassin versant à un autre (WMO, 1986 ; Charbonneau et al., 1981). Une variation saisonnière est également observée et peut dépendre des conditions climatiques régionales et des propriétés physiques de la neige (Mallender, 1991). Une mauvaise donnée de température critique peut avoir
Le décalage de temps (L).
Le décalage de temps correspond au temps de réponse entre l'augmentation du ruissellement et
l'augmentation des données de température dans une journée. Le ruissellement engendré dans le
bassin subit un décalage de temps qui doit être déterminé à partir des données historiques des
hydrographes (Marti nec, et al., 1998). Des tests de comparaison sur le décalage de temps effectués
par WMO (1986) démontrent qu'il y a une relation étroite entre le décalage de temps et la superficie
du bassin. Par conséquent, plus le bassin versant est petit, plus le décalage de temps est court entre la hausse des températures et la hausse du débit mesuré à l'exutoire du bassin (Marti nec, et al.,
1998 ; Martinec et Rango, 1986 ; WMO, 1986).
Le taux adiabatique (r).
Le taux adiabatique correspond à la diminution de la température avec l'accroissement de l'altitude
(OC / 100 m). Dans le SRM, le taux adiabatique est le seul paramètre qui permet d'extrapoler la
température à travers l'ensemble du bassin. Une attention particulière doit être portée à ce
paramètre, puisqu'une mauvaise interprétation entraînera une mauvaise extrapolation des valeurs de
température pour l'ensemble du bassin (Marti nec et Rango, 1986). Par conséquent, une mauvaise
distribution de la température aura une influence majeure sur l'estimation du ruissellement et sur
l'évaluation de la forme de la précipitation (WMO, 1986). Le taux adiabatique est un paramètre
extrêmement sensible et peut varier dans le cycle journalier, selon la saison et peut même être
négatif (Fergusen, 1999). Le taux adiabatique peut être modifié à la journée près dans le modèle
SRM afin de mieux présenter les effets climatologiques dans l'espace et dans le temps que l'on peut observer à l'intérieur du bassin, ce qui est l'un des principaux avantages du modèle SRM (Fergusen, 1999). On conseille cependant de changer le taux adiabatique aux 15 jours (Martinec et al., 1998).
Pour leur part, Martinec et al. (1998) suggèrent un taux adiabatique théorique moyen de 0,65 oC /
100 m pour une modélisation. Enfin, une comparaison de différents taux adiabatiques effectuée par
le WMO (1986) a démontré que dans un environnement similaire, le taux adiabatique devrait être
identique. Cependant, une grande variation du taux adiabatique fut observée dans différents
INTRODUCTION ET MISE EN CONTEXTE.
Le facteur degré-jour (a).
Dans la modélisation, le coefficient degré-jour (mmfOC) correspond à l'équivalence en eau produite par la fonte de la neige lorsque la température est augmentée de 1°C. Lorsque la température est inférieure à O°C, le coefficient degré-jour est automatiquement de 0 mmfOC parce que l'on considère qu'à cette température, les échanges énergétiques entre le couvert de neige et son environnement immédiat sont inexistants. Ceci, parce que le point de fusion de l'eau est O°C. Pour sa part, le facteur degré-jour permet de multiplier le coefficient degré-jour lorsque la température ambiante de l'air est supérieure à O°C (Kustas et al. 1994, Kuusisto, 1980). La valeur attribuée au coefficient degré-jour n'est pas constante, mais hausse graduellement jusqu'à la fin de la période de fonte (Brubaker et al., 1996 ; Rango et Martinec, 1995 ; Martinec, 1975) (tableau 1.5.2). Cette variation est principalement causée par l'augmentation du taux d'humidité dans neige et par le fait même, de la diminution de l'albédo de celle-ci (Horne et Kavvas, 1997 ; Rango et Martinec, 1995; Dozier et al., 1991).
Le coefficient degré-jour est l'élément clé dans le modèle de ruissellement de la fonte des neiges SRM, puisque c'est lui, combiné à la température ambiante de l'air, qui permet de déterminer la quantité de neige fondue. Dans le modèle, le coefficient degré-jour est le seul paramètre qui permet de déterminer l'équivalence en eau de la fonte des neiges (Brubaker et Rango, 1996). L'approche du coefficient degré-jour est appliquée depuis plus de 60 ans et fut également très critiquée en raison de l'absence de processus physique inclus dans son calcul, mais reste populaire et efficace lorsqu'elle est appliquée adéquatement (Marti nec et al., 1998 ; Brubaker et al., 1996 ; Rango et Martinec, 1995 ; WMO, 1986). Enfin, l'application de modèle hydrologique basée sur l'utilisation de la méthode du degré-jour est employée beaucoup plus souvent dans les bassins de très grande superficie dans le but de donner une prédiction juste du ruissellement (Rango et Martinec, 1995 ; WMO, 1986). Plusieurs modèles utilisent le coefficient degré-jour pour prédire l'eau de fonte généré chaque jour. Avec une bonne valeur, ou après calibration, c'est une technique qui estime adéquatement la quantité de fonte pour une période de plusieurs jour. Dans le logiciel SRM, le degré-jour est traité comme une série de données plutôt que comme un paramètre fixe pour l'ensemble de la saison de fonte (Fergusen, 1999).
TABLEAU 1.5.2- Exemple de variation du coefficient degré-jour (mmfOC/j)dans le temps pour plusieurs modélisations hydrologiques selon WMO, 1986. Avril Juin Durance 0.2 0.55 W3 0.2 0.6 Dunajec 0.2 0.6 Dischma 0.2 0.65
En règle générale, le coefficient degré-jour est très efficace en milieu forestier. C'est une technique
globale d'estimation des échanges énergétiques en milieu forestier dense, qui est généralement plus efficace qu'en milieu découvert (Dozier, 1987). En comparaison avec des méthodes de bilan radiatif, la méthode du degré-jour est plus efficace dans cet environnement en raison des échanges énergétiques que l'on retrouve entre la canopée et la surface terrestre (VehviHiinen, 1991 ;
Leavesley, 1989), contrairement aux environnements de hautes montagnes où les microclimats sont plus fréquents (Dozier, 1987). L'avantage principal de l'approche du degré-jour est le minimum de
données qu'elle requière dans son calcul soit: TOmin et TOmax (Kustas et al., 1994 ; Sommersfeld et al., 1991).
Le coefficient degré-jour varie également selon la densité du couvert forestier. En effet, plus la canopée est dense, plus la valeur attribuée au coefficient degré-jour diminue. En milieu découvert,
le coefficient degré-jour est donc plus élevé qu'en milieu forestier (Rango et Martinec, 1995 ;
WMO, 1986 ; Kuusisto, 1980). Kuusisto (1980) souligne qu'il y a une variation importante dans la
valeur du coefficient degré-jour obtenue en milieu découvert et que ce dernier doit plutôt être considéré régionalement plutôt que localement (tableau 1.5.3). Toujours selon Kuusisto (1980), les valeurs du coefficient degré-jour obtenues en milieu forestier sont plus stables qu'en milieu arbustif ou découvert. Martinec et Rango (1986) recommandent d'ailleurs l'utilisation d'un coefficient
degré-jour plus élevé dans les environnements glaciaires, et d'un coefficient plus faible pour modéliser le couvert nival en milieu forestier et en particulier pour la nouvelle neige, compte tenu de sa basse densité.
INTRODUCTION ET MISE EN CONTEXTE.
TABLEAU 1.5.3- Variation du coefficient degré-jour (mml°C/j) dans le temps et l'espace selon WMO, 1964* et dans l'espace selon Kuusisto, 1980.
Couvert forestier Couvert arbustif Milieu découvert
WMO Avril 0.2 0.3 0.4
Mai 0.3 0.4 0.6
Juin 0.4 0.6 0.7
Kuusisto Moyenne 1.77 2.76 3.51
*
Source: Kuusisto, 1980.Une autre étude, réalisée par Mitchell et DeWalle (1998) sur le bassin du Towanda Creek en Pennsylvanie, a démontré que dans les zones non-forestières du bassin, le coefficient degré-jour a été sensiblement plus élevé que pour les zones forestières. Us soulignent également que la variation du coefficient degré-jour est causée par l'évolution des propriétés physiques de la neige pendant la saison de fonte. Le coefficient degré-jour dans le logiciel SRM, reflète les différentes phases de métamorphise du couvert de neige (Marti nec et Rango, 1986). Le coefficient degré-jour permet, en fait, une quantification de l'évolution du couvert nival (Mellander, 1991). Signalons en terminant que si la modélisation n'apporte pas de résultats satisfaisants, les valeurs du coefficient degré-jour devraient être revues et ajustées afin de mieux corréler ensemble les valeurs d'écoulement simulées et mesurées directement sur le terrain puisqu'elles possèdent une incidence directe sur les résultats de la modélisation (Baumgartner, 1998).
Le coefficient de ruissellement de lafonte des neiges (Cs) et des précipitations (CR).
Le coefficient de ruissellement est l'un des paramètres qui permet de modéliser le ruissellement à travers l'ensemble du bassin. Il se rapporte aux pertes d'eau du bassin (évaporation -évapotranspiration - infiltration) estimées à long terme et doit être ajusté à l'aide des données de jaugeage mesurées à l'exutoire du bassin. Le logiciel SRM utilise un coefficient de ruissellement pour la fonte des neiges (Cs) et pour le ruissellement provoqué par les précipitations liquides (CR) (Marti nec et al., 1998). La calibration de ce paramètre avec les données historiques mesurées à la station de jaugeage permet de saisir les fluctuations d'écoulement de l'eau à travers le bassin. Ce paramètre est fortement empirique puisque la quantité d'eau réelle dans le couvert nival et du sol est très difficile à évaluer (Bordeleau, 1998). Les deux coefficients de ruissellement permettent de représenter la réponse intrinsèque du bassin lorsqu'il y a précipitation solide ou liquide (Mitchell et DeWall, 1998).
Le coefficient de ruissellement n'est pas constant. Il évolue pendant la saison de fonte. Au début de
la saison, les pertes sont généralement imperceptibles et sont associées à l'évaporation de la surface
de neige. Plus tard dans la saison, le couvert nival, la végétation et certains bassins de rétention font
diminuer le coefficient de ruissellement en emmagasinant l'eau jusqu'à saturation (Martinec et al.,
1998). Le coefficient de ruissellement est un paramètre qui varie entre les bassins selon les
caractéristiques propres à chacun, mais devrait être constant d'année en année pour un même bassin (WMO, 1986). La superficie du bassin, l'étendue et l'épaisseur du couvert de neige sont d'autres
facteurs qui ont un impact sur la valeur du coefficient de ruissellement (Marti nec et Rango, 1986).
Puisque c'est un paramètre difficile à évaluer, les valeurs du coefficient de ruissellement peuvent être ajustées à l'aide d'une série de valeurs comprises entre les minima et les maxima assignés à ce
paramètre pour un bassin de superficie donnée (Maltinec et al., 1998). Enfin, lors d'une mauvaise
modélisation, le coefficient de ruissellement est aussi l'un des premiers paramètres à être examiné et
réévalué (Martinec et Rango, 1986).
Les surfaces à contribution directe (ReA).
Ce paramètre correspond au point de saturation du couvert de neige. Pendant la saison de fonte,
lorsqu'il y a des précipitations liquides, elles peuvent être traitées selon deux alternatives dans le
modèle SRM. Tout d'abord (option 0), on assume que la précipitation qui touche le couvert de
neige tôt dans la saison de fonte est emmagasinée dans la neige qui est habituellement sèche et
profonde. Plus tard dans la saison de fonte (option 1), on considère que la neige est saturée en eau et
que la précipitation qui tombe sur le couvert de neige est immédiatement libérée de celui-ci et
additionnée à la fonte de la neige pour l'ensemble du bassin (Marti nec et al., 1998). Une étude de Mellander (1991) a démontré que le point de saturation du couvert de neige est atteint le
i
ème ou 3ième jour où la température ambiante de l'air est supérieure à la température critique et que cettei
èmeou 3ième journée est accompagnée de précipitations significatives. C'est à cette date que le
rnodéIisateur oriente le logiciel SRM vers l'option 1.
Le coefficient de récession (k).
L'eau de fonte produite dans les premiers jours de fonte ne quitte pas complètement le bassin
INTRODUCTION ET MISE EN CONTEXTE.
caractéristiques correspondant au coefficient de récession (Marti nec, 1975). Dans la modélisation, l-k est la proportion journalière d'eau de fonte qui apparaît immédiatement dans le ruissellement. La méthode proposée par Martinec et al. (1998) pour calculer le coefficient de récession nécessite l'analyse des données historiques mesurées à la station de jaugeage à l'exutoire du bassin. Par conséquent, lorsque les données de débits ne sont pas disponibles, il est possible d'obtenir un coefficient de récession en employant celui d'un bassin de superficie équivalente (WMO, 1986). Une étude réalisée par le WMO (1986) a démontré qu'il y avait une relation étroite entre la superficie du bassin versant et la valeur attribuée au coefficient de récession. C'est un paramètre qui évolue tout au long de la saison de fonte des neiges, il augmente quand la valeur moyenne d'eau (m3/s) mesurée à la station de jaugeage diminue (Marti nec et al., 1998).
1.5.4- L'intérêt de modéliser avec le SRM.
Le SRM présente de nombreux avantages. D'abord, il est surtout reconnu pour son efficacité à simuler le ruissellement relié à la fonte des neiges (WMO, 1986). Ensuite, le minimum de données nécessaires et J'utilisation de la télédétection, comme outil pour la discrimination du couvert de neige, font du SRM un modèle idéal pour être appliqué là où les données sont plus difficiles d'accès (Kumar et al., 1991 ; Sommerfield et al., 1991).
Un des atouts du SRM c'est qu'il n'utilise pas de valeurs fixes pour la température critique (Terit ), le
taux adiabatique
(;0
et le coefficient degré-jour (a), contrairement à plusieurs modèles déterministes qui attribuent une valeur fixe à ces paramètres. Ces paramètres sont très sensibles et varient tout au long de la période de fonte. La possibilité de modifier ces paramètres pendant la modélisation, permet au SRM de mieux quantifier J'écoulement simulé et améliore la qualité de la modélisation (Fergusen, 1999).L'optimisation avec le SRM se fait seulement avec des valeurs qui représentent les conditions réelles du milieu, alors que d'autres modèles ne tiennent pas nécessairement compte de la réalité et attribuent des valeurs erronées à certains paramètres lors de l'optimisation (Rango, 1988). L'optimisation du SRM peut se faire hebdomadairement à tous les sept jours et n'a pour but que d'améliorer la correspondance entre l'écoulement simulé et l'écoulement mesuré (WMO, 1992).
